pipeline(): самый быстрый способ применить модель

~3 минуты · 3 примера · 3 вопроса

Знакомимся с главным инструментом для быстрого старта — функцией pipeline().

pipeline() — высокоуровневая функция библиотеки transformers, которая объединяет токенизацию, прогон через модель и постобработку в один вызов.

Зачем нужен pipeline

Чтобы применить модель вручную, нужно: загрузить токенизатор, превратить текст в числа, прогнать их через модель, получить логиты и преобразовать их в человекочитаемый ответ. pipeline() делает всё это за вас. Достаточно указать задачу, и библиотека сама подберёт подходящую модель по умолчанию.

from transformers import pipeline

classifier = pipeline("sentiment-analysis")
result = classifier("Сервис был ужасным, никогда не вернусь")
print(result)
# [{'label': 'NEGATIVE', 'score': 0.998}]

Три шага внутри

Любой pipeline выполняет три этапа:

текст --> [токенизатор] --> числа (input_ids)
числа --> [модель]      --> логиты
логиты --> [постобработка] --> метка + уверенность

Эта схема одинакова почти для всех задач, меняются только модель и способ постобработки. Понимая её, вы перестаёте воспринимать pipeline как «магию».

Выбор конкретной модели

По умолчанию pipeline берёт стандартную модель для задачи, но обычно вы указываете нужную явно через параметр model:

classifier = pipeline(
    "sentiment-analysis",
    model="blanchefort/rubert-base-cased-sentiment"
)

Здесь выбрана русскоязычная модель — стандартная модель по умолчанию обучена на английском и плохо работает с русским текстом.

Как работает под капотом

При первом вызове pipeline("sentiment-analysis") библиотека: 1) определяет класс задачи, 2) скачивает модель по умолчанию и её токенизатор с Hub, 3) загружает веса в память, 4) создаёт объект, который при каждом вызове прогоняет текст через все три этапа. Объект можно вызывать многократно — модель загружается один раз. Для пакетной обработки можно передать список строк, и pipeline обработает их эффективнее, чем по одной.

Частые ошибки

  • Создавать pipeline внутри цикла. Тогда модель грузится заново каждый раз. Создайте его один раз вне цикла.
  • Применять англоязычную модель к русскому тексту. Указывайте подходящую модель явно.
  • Ожидать, что score — это вероятность правильности. Это уверенность модели, она может быть высокой и при ошибке.

Итог

  • pipeline() — самый быстрый способ применить модель: один вызов вместо десятков строк.
  • Внутри всегда три этапа: токенизация, прогон через модель, постобработка.
  • Модель указывайте явно через model=... для нужного языка.
  • Создавайте pipeline один раз, а не в цикле.

Проверь себя

Три вопроса по уроку. Ответы никуда не идут — это для тебя.

1Какие три этапа выполняет любой pipeline?

2Почему не стоит создавать pipeline внутри цикла?

3Что означает поле score в результате классификации?

Следующий урок
5 · Задачи pipeline: тональность, NER, генерация Открыть урок 5
Урок 3: Предобученные модели и трансфер-обучение